可能不存在的正则表达式捕获组答案

【问题标题】：regex capture group which might not be present可能不存在的正则表达式捕获组
【发布时间】：2017-09-08 09:12:41
【问题描述】：

我正在通过一些日志文件运行正则表达式。捕获组应捕获一些相关字段。我想知道日志文件是否提到了工作的成功结束。这可以通过字符串“作业执行成功”的存在与否来判断

到目前为止我的正则表达式： ^Job started at\s'(\d+\s\d+:\d+:\d+:\d+)'\s+orderno\s+-\s+'(\w+)'\s+runno\s+-\s+'(\d+)'[\s\S]+Host1\s'([\w.]+)'\[([\w-]+)\] username '([\w\\]+)' - Host2\s'([\w.]+)'\[([\w-]+)\] username '([\w\\]+)'[\s\S]+(Job executed successfully)?[\s\S]+Job ended at\s'(\d+\s\d+:\d+:\d+:\d+)'\s+Elapsed time\s\[([\d.]+)sec\]\sCPU usage\s\[([\d.]+)sec]

（我对正则表达式有点陌生，所以它根本不完美，需要一些强化）

成功结束的示例日志：上面的正则表达式只有在“（作业执行成功）？”后面的问号才有效。已删除，我认为这不是必需的。

作业开始于 '0902 23:56:00:367' orderno - '0tzh0' runno - '00064' 转移次数 - 1

Host1 'Local'[Windows-LOCAL] 用户名'xxx\xxx' - Host2 'xxx.xxx.xx'[Unix-SFTP] 用户名'xxx'

本地主机是：xxx - Windows 200x [601] Service Pack 1 build 7601 - Intel64 Family 6 Model 37 Stepping 1, GenuineIntel

********** 开始传输 #1 out of 1 *************** 转移 #1 成功完成

作业成功执行。退出。

作业结束于“0902 23:56:07:138” 已用时间 [7 秒] CPU 使用率 [0.15 秒]

未成功结束的示例日志：上面的正则表达式就像它应该的那样工作。

作业开始于 '0831 15:26:00:365' orderno - '0tuq5' runno - '00030' 转移次数 - 4

Host1 'Local'[Windows-LOCAL] 用户名'xxx\xxx' - Host2 'xxx.xxx.xx'[Unix-SFTP] 用户名'xxx'

本地主机是：xxx - Windows 200x [601] Service Pack 1 build 7601 - Intel64 Family 6 Model 37 Stepping 1, GenuineIntel

********** 开始传输 4 次中的第 1 次 ****************** 无法连接到“xxx.xxx.xx”上的 SSH 服务器：SFTP_Connect：psftp_connect 失败：ssh_init：网络错误：连接超时 .

无法建立与主机 sftp.onenet.be 的连接

作业结束于 '0831 15:26:21:426'

经过的时间 [21 秒] CPU 使用率 [0.0 秒]

【问题讨论】：

标签： regex logfile capturing-group

【解决方案1】：

只需对您的正则表达式进行少量更改，您就可以使用这个：

^Job started at\s'(\d+\s\d+:\d+:\d+:\d+)'\s+orderno\s+-\s+'(\w+)'\s+runno\s+-\s+'(\d+)'[\s\S]+?Host1\s'([\w.]+)'\[([\w-]+)\] username '([\w\\]+)' - Host2\s'([\w.]+)'\[([\w-]+?)\] username '([\w\\]+)'[\s\S]+?(?:(Job executed successfully)[\s\S]+?)?Job ended at\s'(\d+\s\d+:\d+:\d+:\d+)'\s+Elapsed time\s\[([\d.]+)sec\]\sCPU usage\s\[([\d.]+)sec]
---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------^^^-----------------------------------^^

（上面^表示的主要变化）

我还将一些量词转换为惰性，这应该会使事情变得更快。

regex101 demo

由于[\s\S]+ 的贪婪匹配和回溯（从右到左）并测试(Job executed successfully)?[\s\S]+，您当前的正则表达式将匹配所有内容直到最后，[\s\S]+ 将在Job ended 获取后立即匹配找到了。

在上述方式中，我们从左到右检查每个字符，直到找到我们需要的部分，即Job executed successfully，如果它存在。

【讨论】：

【解决方案2】：

如果你使用PCRE，你可以使用美妙的\Q...\E 序列和一个否定。前瞻：

^\QJob started\E
(?:(?!\QJob ended\E).)+?
^\QJob executed successfully\E

参见a demo on regex101.com（注意multiline、verbose 和singleline 修饰符！）。

如果不是，整个表达式就会变得有些不可读：

^Job started(?:(?!Job ended).)+?^Job executed successfully

【讨论】：